在Apriori算法中,在得到频繁的k-1项集之后,通过以下哪种连接方法,生成k-项集候选
A: 所有的k-项集都看做可能的候选集
B: 通过频繁的k-1项集和频繁的1项集连接生成频繁的k-项集候选
C: 通过合并一对频繁的k-1项集生成频繁的k项集候选
D: 以上都不是
A: 所有的k-项集都看做可能的候选集
B: 通过频繁的k-1项集和频繁的1项集连接生成频繁的k-项集候选
C: 通过合并一对频繁的k-1项集生成频繁的k项集候选
D: 以上都不是
C
举一反三
- Apriori算法挖掘频繁项集的过程主要包含()。 A: 连接 B: 剪枝 C: k-项集 D: k-1频繁项集
- 下列关于Apriori算法的说法错误的是( ) A: 初始化的目的是找到所有的 频繁 1-项集 B: Apriori算法主要包含初始化和迭代搜索两部分 C: 迭代的目的是通过上一次迭代得到的频繁(k-1)-项集得到频繁k-项集 D: Apriori算法通过最小置信度进行剪枝
- 利用Apriori算法计算频繁项集可以有效降低计算频繁集的时间复杂度。在以下的购物篮中产生支持度不小于3的候选3-项集,在候选2-项集中需要剪枝的是____[br][/br]ID 项集
- 从三个频繁项集 {1, 2}, {1, 3}, {1, 4} 中能生成以下哪个可能频繁的项集: </p></p>
- 利用Apriori 算法计算频繁项集可以有效降低计算频繁集的时间复杂度。在以下的购物篮中产生支持度不小于3的候选3-项集
内容
- 0
频繁项集、频繁闭项集、最大频繁项集之间的关系是( )
- 1
关联规则数据挖掘算法的基本步骤是: A: 先找出事物数据库中最长频繁项集,再利用最长频繁项集逐层迭代生成渐短频繁项集,直到1频繁集 B: 先找出事物数据库中所有大于平均支持度的项集,再在这些项集中找出所有大于平均置信度的项集 C: 先找出事物数据库中所有大于平均置信度的项集,再在这些项集中找出所有大于平均支持度的项集 D: 先找出事物数据库中所有频繁项集,再利用频繁项集生成所需要的关联规则
- 2
对频繁项集、频繁闭项集、极大频繁项集的关系描述正确的是()[注:分别以1、2、3代表之]
- 3
Apriori算法的核心是 A: 通过连接产生候选项与其支持度,然后通过剪枝生成频繁项集。 B: 提出不产生候选项与其支持度的方法。 C: 采用垂直数据表示形式 D: 不产成候选频繁项集的方法。
- 4
设有项目集X,X1是X的一个子集,则下列结论中成立的是() A: 如果X是频繁项集,则X1也是频繁项集 B: 如果X1是频繁项集,则X也是频繁项集 C: 如果X是非频繁项集,则X1也是非频繁项集 D: 如果X1是非频繁项集,则X也是非频繁项集